从图上的公理到向量再返回：基于图的本体嵌入性质评估

已有若干方法可为描述逻辑本体生成嵌入，并将这些嵌入用于机器学习。生成本体嵌入的一种方法是先将本体嵌入图结构，即为命名实体与逻辑公理引入一组节点和边，然后应用图嵌入将图嵌入 $\mathbb{R}^n$。将本体嵌入图（图投影）的方法具有不同的形式性质，涉及其可利用的公理类型、投影是否可逆，以及其可应用于断言公理还是其演绎闭包。我们定性且定量地分析了几种曾用于嵌入本体的图投影方法，并展示了图投影的性质对从本体嵌入预测公理性能的影响。我们发现不同投影方法之间存在显著差异，且将公理投影为节点与边的方式，以及表示知识的本体选择，都会影响使用本体嵌入预测公理的成败。